Как решать задачи с помощью Perseus

Недавно я писал о том, что Т-Банк выложил в открытый доступ фреймворк Perseus. Теперь ребята выложили на Хабр подробный туториал от подготовки данных до обучения модели и получения прогнозов. А код лежит на гитхабе.

Все этапы разобраны на малой версии датасета T-ECD и четырех сценариях — кандидатогенерации, ранжировки, классификации и регрессии. В первом случае модель прогнозирует товары, на которые пользователь может кликнуть на следующий день, во втором — распределяет готовый набор товаров по релевантности. Классификация используется для прогноза того, совершит ли пользователь хотя бы одно активное действие в Marketplace в течение следующих семи дней, а регрессия — для прогноза суммарной стоимости товаров, с которыми он положительно провзаимодействует в Marketplace в течение следующих 30 дней.

Для каждого сценария подготовили отдельный базис, рассчитали бейзлайн, обучили модель с помощью Perseus и сравнили результаты на одном инференс-базисе. Также показали, как устроен Event Hub и как запускать обучение и инференс. Все настройки собраны в одном YAML-конфиге. Через него можно подключать данные из других доменов, добавлять признаки и менять компоненты модели, не переписывая весь пайплайн.

https://habr.com/ru/companies/tbank/articles/1081276/